编程语⾔: 熟练掌握多种编程语⾔,包括Java,Python,PHP等,熟悉⾯向对象编程思想和常⽤设计模式,专注于编写清晰,⾼效,可维护的代码,具有良好的代码编写习惯;
· Java基础: 熟悉Java相关技术原理,对JVM、NIO、⾼并发和多线程等有⼀定的了解;
· 常⽤技术栈: 熟悉了解常⽤技术栈,如Redis、Kakfa、Zookeeper、ElasticSearch、HBase等;
· ⼤模型应⽤实践: 有⼤模型应⽤落地实践经验,对RAG、Agent等原理有⼀定的了解,了解ragflow、dify、agno、LangGraph相关框架;
· ⼤模型推理加速: 了解部分⼤模型推理加速框架,如vLLM、sglang、DeepSpeed等⼤模型推理加速相关框架。
内部机器学习平台
负责设计和搭建⾼可⽤、⾼性能的算法⼯具平台,主要包括模型管理、特征管理、系统回放、回测等系
统能⼒,通过配置化管理平台将实时、离线、回放埋点等多种不同数据源特征⾼效便捷的同步⾄不同底层存储,同时
提供回放、回测等系统能⼒,⽀撑算法模型从特征提取、特征管理和查询、模型推理、模型回测、系统功能回放等全
⽣命周期管理。
大模型后端管理系统
随着公司AI战略的深入,骑行事业部在2025年迎来了大模型应用场景的爆发期。从“治理者AI助理”到“骑行/Mola小助手”,各类业务对基于领域知识的智能问答需求激增。同时对于不同的应用场景需要支持不同的系统能力,比如解析学城文档表格、大模型对长文本内容总结summary、提供通用AI检索API接口等后续部分应用可能会对文档文本、图片、表格等多模态AI检索能力有部分诉求,因此期望建设支持骑行特殊业务场景专有知识管理平台,包括数据解析、知识管理、知识检索能力,大幅提升同类项目的搭建效率。另外随着多模态应用(如故障图片识别)的兴起,缺乏高效的数据标注工具,人工标注成本高昂,因此建设一个面向骑行垂类的AI 基础设施平台,成为支撑业务快速创新与降本增效的关键。
负责设计和搭建⾼可⽤、⾼性能的算法⼯具平台,主要包括模型管理、特征管理、系统回放、回测等系 统能⼒,通过配置化管理平台将实时、离线、回放埋点等多种不同数据源特征⾼效便捷的同步⾄不同底层存储,同时 提供回放、回测等系统能⼒,⽀撑算法模型从特征提取、特征管理和查询、模型推理、模型
AI检索平台体系建设 调研:学习并调研RAG系统相关原理及设计方案;调研学习业界开源框架(ragflow、dify、coze等)等相关方案;完成AI检索系统能力建设方案设计。 系统基础能力建设:调研并部署维护Milvus向量数据库,MLP平台部署BGE/Qwen3 Embed